（一）课程内容多、难度大
机器学习技术是一门融合各类学科知识的复杂课程，涉及算法较多，学习难度较大，对于基础薄弱、学习能力相对弱的高职学生而言，容易对课程产生畏难情绪。如何让学生对课程产生兴趣是课程教学设计需要解决的问题。
（二）课程内容多、课时少
由于课时有限，教师在课上只能针对部分章节和知识点进行教学，但很多应用如计算机视觉、大数据处理等无法详细讲解与实践，导致该课程与当前应用型人才培养的新要求存在差距。
（三）课程内容新，教材选择性少
高职人工智能技术应用专业是近两年新开专业，人才培养方案和课程标准还不完善，市面上缺少相关教材，且大部分教材是针对本科生的，即使有少量针对高职的教材，其教学内容也大多集中在算法和编程，不适用高职学生的教学。
（四）缺少教学数据和案例
现在市面上大多数机器学习的相关教材内容都处于理论层面，缺少引导学生真切感受项目的实践案例，不能够有效地激发学生的学习热潮，更不能让学生直观的感受到机器学习技术的发展前景和广阔的应用空间。
（五）课程考核方式落后
目前大多数学校的课程考核方式都是传统的以期末理论考试加日常成绩，但由于每个学生的课程基础各异，对知识的理解和掌握程度不同，而且绝大多数学生都是在期末考试将近的时候进行集中突击复习，因此形式单一的闭卷考试不能真实地反映学生的学习效果。
（六）教学手段单一、课程内容前瞻性强
随着这几年人工智能技术的迅猛发展，机器学习技术受到越来越多的关注，这必将推动机器学习技术的不断更新与发展。当前大多数高职课程的教学还是以板书和多媒体为载体，以教师讲授为主，然而该课程的理论面广且深奥，传统灌输式教学方法不能充分激发学生的创新思维。